NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂投资回报由三要素决定：每兆瓦产出能力、硬件使用寿命和 token 需求。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量超 GB300 NVL72 的 30 倍，在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
#大佬观点
NVIDIA BlogAI 评分2222
MIT Technology Review · AIAI 评分1212 让 AI 成为资产而非开支：HPE 谈 AI 从按 token 消费转向自有算力
HPE 提出，当 AI 从试验走向客服、IT、研究等常驻生产负载，按 token 消费的模式会让支出变成难以预测的月度变动项，企业需评估自有算力的盈亏平衡点。Deloitte 2026 企业 AI 报告显示，2025 年员工 AI 使用率上升 5%，至少 40% 的 AI 项目进入生产的公司比例预计在六个月内翻倍。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub Copilot 提出 canvas 概念，即在 GitHub Copilot app 内运行的无浏览器外壳全栈应用，可与 agent 双向通信，也能调用第三方 API 并在本地执行代码。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应随风险而定；Skills 与 MCP 解决不同问题，MCP 提供工具与数据的标准连接，Skills 打包团队流程与最佳实践；RAG 并未消亡，它与 Agent、Skills、MCP 可共存于同一工作流。
Berkeley AI ResearchAI 评分3636 智能免费之后怎么办？面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 AI 研究团队指出，GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。作者提出近零推理成本下的三大挑战：为智能体设计的数据系统、运行智能体集群的数据系统、以及由智能体合成的数据系统。
Berkeley AI ResearchAI 评分3232 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前方法多由外部预设并行结构，模型无法自行决定何时分解任务、开多少线程。文章重点讨论自适应并行推理，即让模型根据问题自主决定并行化时机与协调方式，并提及 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等方法。